CWE-Bench (AA)のリーダーボード
2026年11月16日時点で、CWE-Bench (AA)の最高スコアは75.8%で、Hy4(Tencent)が記録しています。次点はDeepSeek V4.1 Flash 1017の69.2%です。公表された結果があるのは26のモデル構成です(Artificial Analysis、結果の日付は2026年11月3日)。CWEに分類される種類の脆弱性を、実際のリポジトリで見つけて修正するタスク。Artificial Analysisが実施。CWE-Bench (AA)はBenchLeader Indexのエージェント・ツールスコアに反映されます。
要点(2026年11月16日時点)
- Hy4がCWE-Bench (AA)の最高スコア75.8%を記録しています(Artificial Analysis、2026年11月3日)。
- CWE-Bench (AA)の2位はDeepSeek V4.1 Flash 1017で、69.2%です(Artificial Analysis、2026年10月17日)。
- CWE-Bench (AA):CWEに分類される種類の脆弱性を、実際のリポジトリで見つけて修正するタスク。Artificial Analysisが実施(Artificial Analysis)。
- BenchLeaderでは26のモデル構成にCWE-Bench (AA)の公表結果があります(BenchLeader、2026年11月16日)。
- CWE-Bench (AA)はBenchLeader Indexのエージェント・ツールカテゴリに反映されます(BenchLeaderの評価方法)。
CWEに分類される種類の脆弱性を、実際のリポジトリで見つけて修正するタスク。Artificial Analysisが実施。
- カテゴリ
- エージェント・ツール
- Indexでの重み
- 0.5
- モデル
- 26
- データ基準日
- 2026年11月16日
Source: Artificial Analysis (artificialanalysis.ai). Data taken from the public leaderboard.
- 1Hy475.8%
- 2DeepSeek V4.1 Flash 1017 (max)69.2%
- 3DeepSeek V4.1 Flash (max)68.3%
- 4Grok 4.7 (xhigh)68.3%
- 5GPT-6 Sol (Daybreak Blue, max) (max)64.7%
- 6GPT-6 Sol (max)64.2%
- 7GPT-6 Astra (max)63.3%
- 8MiMo-V2.6-Pro63.3%
- 9Kimi K3.1 Pro60.8%
- 10Muse Spark 1.3 (xhigh)60.8%
- 11Claude Opus 5.5 (max)58.3%
- 12Mistral Large 4 (high)58.3%
- 13GPT-6 Luna (max)56.7%
- 14GLM 5.3 (max)55.8%
- 15GLM 5.3 Flash55.8%
26件中26件
| # | ||||
|---|---|---|---|---|
| 1 | 75.8% | 56.7 | 2026-11-03 | |
| 2 | 69.2% | 57.7 | 2026-10-17 | |
| 3 | 68.3% | 58.5 | 2026-09-10 | |
| 4 | 68.3% | 57.4 | 2026-09-21 | |
| 5 | 64.7% | – | 2026-09-22 | |
| 6 | 64.2% | 62.6 | 2026-09-22 | |
| 7 | 63.3% | 67.3 | 2026-09-03 | |
| 8 | 63.3% | 57.5 | 2026-09-21 | |
| 9 | 60.8% | 61.8 | 2026-10-23 | |
| 10 | 60.8% | 58.1 | 2026-09-02 | |
| 11 | 58.3% | 68.4 | 2026-09-22 | |
| 12 | 58.3% | 48.3 | 2026-10-29 | |
| 13 | 56.7% | 55.1 | 2026-09-22 | |
| 14 | 55.8% | 58.8 | 2026-08-18 | |
| 15 | 55.8% | 57.8 | 2026-08-26 | |
| 16 | 53.3% | 60.2 | 2026-07-16 | |
| 17 | 52.5% | 59.4 | 2026-09-02 | |
| 18 | 52.5% | 56.0 | 2026-09-18 | |
| 19 | 50.8% | 66.7 | 2026-09-01 | |
| 20 | 50.8% | 52.9 | 2026-10-06 | |
| 21 | 50.0% | 45.9 | 2026-10-29 | |
| 22 | 49.2% | 45.9 | 2026-10-16 | |
| 23 | 41.7% | 56.1 | 2026-06-01 | |
| 24 | 28.3% | 51.4 | 2026-08-12 | |
| 25 | 27.5% | 49.1 | 2026-06-04 | |
| 26 | 26.7% | 52.2 | 2026-08-14 |
エージェント・ツールのベンチマークをもっと見る · LLMベンチマーク一覧
関連するベンチマーク
CWE-Bench (AA)での注目のモデル比較
引用表記:BenchLeader「CWE-Bench (AA)のリーダーボード」2026年11月16日時点のデータ、https://www.benchleader.com/ja/benchmarks/aa_cwe_bench
CWE-Bench (AA):よくある質問
- CWE-Bench (AA)は何を測るベンチマークですか?
- CWEに分類される種類の脆弱性を、実際のリポジトリで見つけて修正するタスク。Artificial Analysisが実施。スコアは解けたタスクの割合(%)で示され、高いほど良い結果です。
- CWE-Bench (AA)の最高スコアは?
- 2026年11月16日時点で、CWE-Bench (AA)の最高スコアは75.8%で、Hy4が記録しています(結果の日付は2026年11月3日)。次点はDeepSeek V4.1 Flash 1017の69.2%です。スコアはArtificial Analysisの公表値で、毎日読み直しています。
- CWE-Bench (AA)でトップのAIモデルは?
- 2026年11月16日時点で、CWE-Bench (AA)の首位はHy4で、スコアは75.8%です(結果の日付は2026年11月3日)。続いてDeepSeek V4.1 Flash 1017(69.2%)です。
- CWE-Bench (AA)の結果があるモデルはいくつですか?
- BenchLeaderでは26のモデル構成にCWE-Bench (AA)の結果があり、すべてArtificial Analysisから取得しています。
- CWE-Bench (AA)を運営しているのは誰で、どのくらいの頻度で更新されますか?
- CWE-Bench (AA)はArtificial Analysisが公開しています。BenchLeaderは公開された結果を1日1回読み直し、各結果の公開日を記録しています。
- CWE-Bench (AA)はBenchLeader Indexに含まれますか?
- はい。CWE-Bench (AA)はBenchLeader Indexのエージェント・ツールカテゴリに反映され、評価対象モデルの平均が50になるよう正規化されています。